-
公开(公告)号：CN117856221A
公开(公告)日：2024-04-09
申请号：CN202311747358.6
申请日：2023-12-18
申请人： 清华大学
摘要： 本申请提出一种电力系统输电断面传输极限估计值的确定方法及系统，所述方法包括：获取电力系统历史时段各运行场景下的潮流数据和输电断面传输极限数据；基于所述数据对初始的深度神经网络模型进行训练，得到多个训练好的深度神经网络模型及各所述模型的权重；获取电力系统当前时刻的潮流数据，基于所述数据构成各数据集；将各所述数据集分别输入其对应的预先训练好的深度神经网络模型中，得到各输电断面传输极限的初始估计值，并进行反标准化处理；根据反标准化后的输电断面传输极限的初始估计值和各预先训练好的深度神经网络模型的权重确定所述电力系统输电断面传输极限估计值。本申请提出的技术方案，提高了传输极限值估计的准确性。
-
公开(公告)号：CN112632846B
公开(公告)日：2023-10-24
申请号：CN202011266697.9
申请日：2020-11-13
申请人： 国网浙江省电力有限公司绍兴供电公司 , 清华大学 , 国网浙江省电力有限公司 , 国网四川省电力公司
IPC分类号： G06F30/27 , G06F18/213 , G06N3/047 , G06N3/08 , H02J3/00 , H02J3/06 , H02J13/00 , G06F111/08 , G06F113/04
摘要： 本发明公开了一种电力系统输电断面极限概率评估方法及电子设备，该方法采集电力系统当前运行状态数据，根据所述当前运行状态数据获得输入特征数据，将该输入特征数据输入到预先构建的深度不确定性神经网络模型ξd中；根据深度不确定性神经网络模型ξd输出电力系统给定输电断面的预测TTC概率分布。本发明能够输出电力系统输电断面TTC的概率分布，为考虑不确定性下的输电断面极限概率评估提供了实现方法。
-
公开(公告)号：CN114818473A
公开(公告)日：2022-07-29
申请号：CN202210320587.9
申请日：2022-03-29
申请人： 清华大学 , 国网浙江省电力有限公司
IPC分类号： G06F30/27 , G06K9/62 , G06F119/02
摘要： 本发明公开了一种电力系统特定运行方式样本生成方法和装置，该方法包括：采集电力系统的运行数据或对其运行状态进行蒙特卡洛仿真得到运行方式数据，将运行方式分为全运行方式样本集和特定运行方式样本集，分析并利用生成对抗网络算法在全运行方式样本集上训练，得到基础生成模型，通过模型迁移方法并进行模型预训练得到迁移后的生成模型与判别模型，基于特定类型运行方式样本训练得到目标生成模型；通过目标生成模型生成所需的特定类型运行方式关键特征，与其他特征样本集中抽样得到的其他特征相结合，得到满足特定需求的电力系统运行方式样本。本发明快速、准确、高效地生成调度人员所需的特定运行方式样本节约计算资源、提高运行方式计算效率。
-
公开(公告)号：CN110751264A
公开(公告)日：2020-02-04
申请号：CN201910887207.8
申请日：2019-09-19
申请人： 清华大学
摘要： 本发明涉及一种基于正交自编码神经网络的用电模式识别方法，属于配电网安全运行技术领域。本发明提出了基于深度学习的正交自编码神经网络模型，其为窃电检测过程中的窃电“特征设计”提供了最佳方案。一方面，正交自编码神经网络充分结合了非线性变换和主成分分析的优点，能够提取高度非线性并且线性无关的特征；另一方面，本发明采用核支持向量机作为最终的窃电行为检测方法，其和正交自编码神经网络的结合具有较高的计算效率和拟合优度。该方法可以应用于在线监测电力用户的窃电行为，为电网公司和电力服务机构稽查偷窃电行为提供依据，有助于提升电网公司和电力服务机构的经济效益以及配电网的运行安全性。
-
公开(公告)号：CN117786404A
公开(公告)日：2024-03-29
申请号：CN202311743540.4
申请日：2023-12-18
申请人： 清华大学
IPC分类号： G06F18/214 , G06F18/24 , G06Q50/06 , G06N3/0475 , G06N3/084 , G06N3/094 , G06F17/18
摘要： 本发明公开了一种电力系统用户用能数据生成方法和装置，该方法，包括采集电力系统用户的历史用能情况，数据清洗后形成用户目标用能数据集；构建信息最大化的生成对抗网络并在用能数据集上训练，得到的生成模型和特征推断模型；利用特征推断模型，分析已有的用户目标用能数据集，形成对应的特征数据库；基于多元核密度估计计算用户目标数据的特征分布概率密度函数，抽样获得大量所需的用户特征数据；基于得到的用户特征数据，结合生成模型快速生成大量用户用能数据。本发明方法可以快速、准确、高效地生成大量用户用能数据，节约计算资源、提高需求侧管理效率，相关数据可以在无隐私泄露的风险下用于后续研究应用，具有良好的实用价值。
-
-
公开(公告)号：CN113488992A
公开(公告)日：2021-10-08
申请号：CN202110688128.1
申请日：2021-06-21
申请人： 清华大学 , 国网浙江省电力有限公司绍兴供电公司 , 国网浙江省电力有限公司 , 国家电网有限公司
摘要： 本发明属于电力系统稳定判断技术领域，涉及一种电力系统大扰动稳定性判别方法。本发明考虑大扰动功角稳定、大扰动电压稳定和大扰动动态稳定，首先，采集大扰动后发电机转子角和母线电压幅值，通过均值和极差的计算得到受扰严重的发电机和母线，采用受扰严重发电机的转子角和受扰严重母线的电压幅值分别作为卷积层、池化层、批量归一化层、全连接层的输入，然后将上述两类输出合并输入至全连接层，得到大扰动稳定输出，构成大扰动判别模型的结构，求解待求参数得到最终的大扰动稳定判别模型，并用于大扰动稳定性判别。本发明综合考虑了多种电力系统大扰动稳定性，在输入变量的选择上，只选择受扰严重的发电机和母线特征作为输入，使模型具有更好的适用性。
-
公开(公告)号：CN112861439A
公开(公告)日：2021-05-28
申请号：CN202110212733.1
申请日：2021-02-25
申请人： 清华大学 , 国网浙江省电力有限公司绍兴供电公司 , 国网浙江省电力有限公司
IPC分类号： G06F30/27 , G06N3/04 , G06N3/08 , G06F113/04
摘要： 本发明涉及一种基于深度学习的电力系统仿真样本生成方法，属于电力技术领域。本发明从电网历史数据或仿真计算数据中获取电网数据样本和所有变量的上、下限值，采用深度自编码器对归一化电网数据样本进行降维，统计降维后样本的分布情况，在降维后样本分布稀疏的区间重新生成数据，通过解码器、归一化逆变换和潮流计算验证得到新的电力系统仿真样本。本发明能够主动生成在历史数据中较少涉及的样本，提高电力系统仿真样本的多样性，此外，本发明得到的样本还会经过潮流分析验证，从而提高样本的有效性。
-
公开(公告)号：CN112632846A
公开(公告)日：2021-04-09
申请号：CN202011266697.9
申请日：2020-11-13
申请人： 国网浙江省电力有限公司绍兴供电公司 , 清华大学 , 国网浙江省电力有限公司 , 国网四川省电力公司
摘要： 本发明公开了一种电力系统输电断面极限概率评估方法及电子设备，该方法采集电力系统当前运行状态数据，根据所述当前运行状态数据获得输入特征数据，将该输入特征数据输入到预先构建的深度不确定性神经网络模型ξd中；根据深度不确定性神经网络模型ξd输出电力系统给定输电断面的预测TTC概率分布。本发明能够输出电力系统输电断面TTC的概率分布，为考虑不确定性下的输电断面极限概率评估提供了实现方法。
-
公开(公告)号：CN112861439B
公开(公告)日：2022-12-09
申请号：CN202110212733.1
申请日：2021-02-25
申请人： 清华大学 , 国网浙江省电力有限公司绍兴供电公司 , 国网浙江省电力有限公司
IPC分类号： G06F30/27 , G06N3/04 , G06N3/08 , G06F113/04
摘要： 本发明涉及一种基于深度学习的电力系统仿真样本生成方法，属于电力技术领域。本发明从电网历史数据或仿真计算数据中获取电网数据样本和所有变量的上、下限值，采用深度自编码器对归一化电网数据样本进行降维，统计降维后样本的分布情况，在降维后样本分布稀疏的区间重新生成数据，通过解码器、归一化逆变换和潮流计算验证得到新的电力系统仿真样本。本发明能够主动生成在历史数据中较少涉及的样本，提高电力系统仿真样本的多样性，此外，本发明得到的样本还会经过潮流分析验证，从而提高样本的有效性。
-
-
-
-
-
-
-
-
-
搜索结果
32 条记录 (耗时 0.024 秒)
